Anthropic steigt in die Wirkstoffforschung ein, um vernachlässigte Krankheiten zu bekämpfen

Anthropic erweitert seine Grenzen über LLMs hinaus und startet spezialisierte Programme zur Wirkstoffforschung, die auf vernachlässigte Krankheiten abzielen, welche von der traditionellen Pharmaindustrie oft als unrentabel eingestuft werden. Dieser strategische Schritt nutzt das neue Tool „Claude Science“ des Unternehmens, um die präklinische Forschung zu beschleunigen und KI-Modelle durch reale biologische Daten zu verfeinern.

Claude Science: Biologische Erkenntnisse beschleunigen

Die Ankündigung dieser Programme fiel mit der Vorstellung von „Claude Science“ zusammen, einem KI-Tool, das für komplexe wissenschaftliche Schlussfolgerungen entwickelt wurde. Anthropic demonstrierte den unmittelbaren Nutzen des Tools anhand eindrucksvoller Beispiele: Ein Forscher an der UCSF nutzte Claude Science, um innerhalb von Minuten eine virale Kontamination zu identifizieren – ein Fehler, der einem menschlichen Team ein ganzes Jahr lang nicht aufgefallen war. Darüber hinaus analysierte das Modell in weniger als einer Stunde 100 seltene genetische Krankheiten und identifizierte erfolgreich 32 Kandidaten für das computergestützte Screening.

Durch das direkte Engagement in der frühen Phase der Arzneimittelentwicklung beabsichtigt Anthropic, praktische Erfahrungen aus dem Wet Lab zu nutzen, um leistungsfähigere und wissenschaftlich präzisere KI-Modelle zu entwickeln und so die Lücke zwischen digitaler Logik und biologischer Realität zu schließen.

Verkürzung von Entwicklungszeiträumen und Latenzzeiten

Die pharmazeutische Industrie steht derzeit vor massiven Ineffizienzen. Novartis-CEO Vas Narasimhan merkte an, dass die Zulassung eines Medikaments in der Regel zwölf Jahre dauert – ein Prozess, der durch Informationslatenz, operative Latenz und biologische Latenz behindert wird.

Während die biologische Latenz (klinische Studien und Tierversuche) nur schwer zu verkürzen ist, kann KI die ersten beiden Kategorien adressieren, die etwa 40 % des Entwicklungszyklus ausmachen. Der Ansatz von Anthropic zielt darauf ab, den gesamten Zeitrahmen von zwölf Jahren auf sieben oder acht Jahre zu komprimieren. Darüber hinaus könnte KI durch die Optimierung molekularer Eigenschaften und verbesserte Sicherheitsprognosen die Erfolgsraten von Medikamenten potenziell von derzeit 8 % auf 16 % verdoppeln. Da die Branche jährlich 150 bis 200 Milliarden US-Dollar für Forschung und Entwicklung ausgibt, bei vergleichsweise geringem Ertrag, stellen selbst diese inkrementellen Gewinne eine massive Verschiebung der therapeutischen Rentabilität dar.

Das wachsende KI-Wettrüsten im Gesundheitswesen

Der Schritt von Anthropic bringt das Unternehmen in direkten Wettbewerb und Kooperation innerhalb einer sich schnell entwickelnden Biotech-Landschaft. In diesem Sektor setzen Schwergewichte bereits spezialisierte Modelle ein:

• Google DeepMind & Isomorphic Labs: Nutzung von AlphaFold zur Proteinstrukturvorhersage, um die Wirkstoffforschung zu revolutionieren.
• OpenAI: Ausbau patientenzentrierter Tools mit ChatGPT Health, das Krankenakten und Apple Health-Daten integriert.
• Google DeepMind (Clinical): Entwicklung hin zu „AI Co-Clinician“-Modellen, die darauf ausgelegt sind, Ärzte durch triadische Versorgung zu unterstützen.

Während das Potenzial für bahnbrechende Behandlungen immens ist, warnen Experten wie Catherine Pope von der University of Oxford, dass KI-Modelle erst noch beweisen müssen, dass sie in der „unordentlichen, komplexen, menschlichen Welt“ der tatsächlichen klinischen Praxis bestehen können.

Wichtigste Erkenntnisse

• Fokus auf unrentable Nischen: Anthropic konzentriert sich auf vernachlässigte Krankheiten, um seine Mission zu erfüllen und hochwertige biologische Daten für das Modelltraining zu sammeln.
• Effizienzsteigerungen: Die KI-gestützte Wirkstoffforschung zielt darauf ab, die Entwicklungszeiträume um bis zu vier Jahre zu verkürzen und die klinischen Erfolgsraten potenziell zu verdoppeln.
• Wissenschaftliche Validierung: Tools wie Claude Science demonstrieren bereits die Fähigkeit, komplexe Aufgaben zu bewältigen, wie etwa die Analyse von 100 seltenen Krankheiten in weniger als einer Stunde.